RMT-BVQA：用于增强视频内容的基于 Recurrent Memory Transformer 的无参考视频质量评估
图像与视频处理
2025-06-10 v5 计算机视觉与模式识别
摘要
随着深度学习的最新进展，已经开发出许多算法来增强视频质量、减少视觉伪影并提升感知质量。然而，关于增强内容质量评估的研究鲜有报道——对增强方法的评估通常基于为压缩应用设计的质量指标。在本文中，我们提出了一种专门针对增强视频内容的无参考深度视频质量评估（VQA）新方法。它采用基于新型 Recurrent Memory Transformer (RMT) 的网络架构来获取视频质量表示，并通过基于包含 13K 增强内容训练块的新数据库的新型内容质量感知对比学习策略进行优化。提取的质量表示随后通过线性回归结合，以生成视频级质量指数。所提出的方法 RMT-BVQA 在 VDPVE（用于感知视频增强的 VQA 数据集）数据库上通过五折交叉验证进行了评估。结果表明，与十种现有的无参考质量指标相比，它具有优越的相关性性能。
引用
@article{arxiv.2405.08621,
title = {RMT-BVQA: Recurrent Memory Transformer-based Blind Video Quality Assessment for Enhanced Video Content},
author = {Tianhao Peng and Chen Feng and Duolikun Danier and Fan Zhang and Benoit Vallade and Alex Mackin and David Bull},
journal= {arXiv preprint arXiv:2405.08621},
year = {2025}
}
备注
This paper has been accepted by the ECCV 2024 AIM Advances in Image Manipulation workshop